DeepSeek VL2 adalah edisi visi-bahasa lengkap dalam seri DeepSeek VL2. Pengembang menjelaskan tanya jawab visual, pengenalan karakter optik, pemahaman dokumen, tabel, dan grafik, serta pelokalan objek berdasarkan deskripsi visual. Edisi lengkap dibangun di atas DeepSeekMoE-27B dan memiliki 4.5 miliar parameter aktif; seri ini juga mencakup edisi Tiny dan Small dengan nama tersendiri.
Berikan gambar yang terbaca dan tentukan area atau objek yang penting. Tugas dokumen dapat meminta informasi yang terbaca dalam bidang tertentu. Tugas grafik dapat menanyakan tren yang terlihat serta label atau nilai yang mendukungnya. Simpan pengenal gambar atau halaman bersama pengamatan agar peninjau dapat kembali ke materi asli.
Untuk pelokalan visual, jelaskan objek yang perlu ditemukan dan hasil yang diperlukan oleh tugas. Buat permintaan cukup spesifik agar jawaban dapat dibandingkan dengan gambar. Berikan konteks tertulis jika konteks itu menjelaskan pentingnya suatu detail.
Beri label pada gambar dan sebutkan ciri yang akan dibandingkan. Minta satu pengamatan per sumber, dengan mempertahankan label bersama informasi yang diambil. Periksa teks yang terbaca dan kuantitas terhadap sumber asli sebelum menggunakannya dalam operasi lain.
Prosesor pengembang menggunakan persiapan gambar yang berbeda berdasarkan jumlah gambar: pembagian dinamis menjadi petak untuk maksimal dua gambar dan padding langsung 384×384 untuk tiga gambar atau lebih. Ini merupakan detail dari prosedur pemrosesan yang dipublikasikan pengembang. Alur kerja yang dihosting perlu menggunakan persiapan gambar dan batas antarmuka layanan yang sebenarnya.
Profil layanan yang disebutkan mencantumkan panjang konteks 4,000 token. Siapkan pertanyaan visual yang terfokus dan konteks tertulis yang relevan, dengan menyisakan ruang untuk jawaban. Pilih area gambar dan teks yang diperlukan tugas, alih-alih menambahkan materi yang tidak relevan.
Simpan pengenal VL2 lengkap bersama prompt dan hasilnya. Contoh kode inferensi repositori menggunakan edisi Small yang memiliki nama tersendiri, sehingga pengaturan contoh perlu tetap dianggap sebagai contoh, bukan batas keras atau bukti eksekusi untuk profil layanan lengkap ini.
", "aboutText": "DeepSeek VL2 adalah edisi visi-bahasa lengkap dalam seri DeepSeek VL2. Pengembang menjelaskan tanya jawab visual, pengenalan karakter optik, pemahaman dokumen, tabel, dan grafik, serta pelokalan objek berdasarkan deskripsi visual. Edisi lengkap dibangun di atas DeepSeekMoE-27B dan memiliki 4.5 miliar parameter aktif; seri ini juga mencakup edisi Tiny dan Small dengan nama tersendiri.\n\n### Hubungkan pertanyaan visual dengan sumber berlabel\n\nBerikan gambar yang terbaca dan tentukan area atau objek yang penting. Tugas dokumen dapat meminta informasi yang terbaca dalam bidang tertentu. Tugas grafik dapat menanyakan tren yang terlihat serta label atau nilai yang mendukungnya. Simpan pengenal gambar atau halaman bersama pengamatan agar peninjau dapat kembali ke materi asli.\n\nUntuk pelokalan visual, jelaskan objek yang perlu ditemukan dan hasil yang diperlukan oleh tugas. Buat permintaan cukup spesifik agar jawaban dapat dibandingkan dengan gambar. Berikan konteks tertulis jika konteks itu menjelaskan pentingnya suatu detail.\n\n### Bandingkan kumpulan gambar yang terbatas\n\nBeri label pada gambar dan sebutkan ciri yang akan dibandingkan. Minta satu pengamatan per sumber, dengan mempertahankan label bersama informasi yang diambil. Periksa teks yang terbaca dan kuantitas terhadap sumber asli sebelum menggunakannya dalam operasi lain.\n\nProsesor pengembang menggunakan persiapan gambar yang berbeda berdasarkan jumlah gambar: pembagian dinamis menjadi petak untuk maksimal dua gambar dan padding langsung 384×384 untuk tiga gambar atau lebih. Ini merupakan detail dari prosedur pemrosesan yang dipublikasikan pengembang. Alur kerja yang dihosting perlu menggunakan persiapan gambar dan batas antarmuka layanan yang sebenarnya.\n\n### Bedakan edisi lengkap dan konteksnya\n\nProfil layanan yang disebutkan mencantumkan panjang konteks 4,000 token. Siapkan pertanyaan visual yang terfokus dan konteks tertulis yang relevan, dengan menyisakan ruang untuk jawaban. Pilih area gambar dan teks yang diperlukan tugas, alih-alih menambahkan materi yang tidak relevan.\n\nSimpan pengenal VL2 lengkap bersama prompt dan hasilnya. Contoh kode inferensi repositori menggunakan edisi Small yang memiliki nama tersendiri, sehingga pengaturan contoh perlu tetap dianggap sebagai contoh, bukan batas keras atau bukti eksekusi untuk profil layanan lengkap ini.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b28465d3dba6711fa327d2335b211c1a833d35553217e8d10327e1f14604b78d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "deepseek-vl2DeepSeek VL2 adalah model vision-language untuk pertanyaan visual, OCR, dokumen, tabel, grafik, dan grounding. Edisi lengkapnya dibangun di atas DeepSeekMoE-27B dengan 4.5B parameter yang diaktifkan; profil yang dihosting ini mencantumkan konteks 4,000 token untuk tugas gambar dan teks yang terfokus.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek VL2 adalah edisi visi-bahasa lengkap dalam seri DeepSeek VL2. Pengembang menjelaskan tanya jawab visual, pengenalan karakter optik, pemahaman dokumen, tabel, dan grafik, serta pelokalan objek berdasarkan deskripsi visual. Edisi lengkap dibangun di atas DeepSeekMoE-27B dan memiliki 4.5 miliar parameter aktif; seri ini juga mencakup edisi Tiny dan Small dengan nama tersendiri.
Berikan gambar yang terbaca dan tentukan area atau objek yang penting. Tugas dokumen dapat meminta informasi yang terbaca dalam bidang tertentu. Tugas grafik dapat menanyakan tren yang terlihat serta label atau nilai yang mendukungnya. Simpan pengenal gambar atau halaman bersama pengamatan agar peninjau dapat kembali ke materi asli.
Untuk pelokalan visual, jelaskan objek yang perlu ditemukan dan hasil yang diperlukan oleh tugas. Buat permintaan cukup spesifik agar jawaban dapat dibandingkan dengan gambar. Berikan konteks tertulis jika konteks itu menjelaskan pentingnya suatu detail.
Beri label pada gambar dan sebutkan ciri yang akan dibandingkan. Minta satu pengamatan per sumber, dengan mempertahankan label bersama informasi yang diambil. Periksa teks yang terbaca dan kuantitas terhadap sumber asli sebelum menggunakannya dalam operasi lain.
Prosesor pengembang menggunakan persiapan gambar yang berbeda berdasarkan jumlah gambar: pembagian dinamis menjadi petak untuk maksimal dua gambar dan padding langsung 384×384 untuk tiga gambar atau lebih. Ini merupakan detail dari prosedur pemrosesan yang dipublikasikan pengembang. Alur kerja yang dihosting perlu menggunakan persiapan gambar dan batas antarmuka layanan yang sebenarnya.
Profil layanan yang disebutkan mencantumkan panjang konteks 4,000 token. Siapkan pertanyaan visual yang terfokus dan konteks tertulis yang relevan, dengan menyisakan ruang untuk jawaban. Pilih area gambar dan teks yang diperlukan tugas, alih-alih menambahkan materi yang tidak relevan.
Simpan pengenal VL2 lengkap bersama prompt dan hasilnya. Contoh kode inferensi repositori menggunakan edisi Small yang memiliki nama tersendiri, sehingga pengaturan contoh perlu tetap dianggap sebagai contoh, bukan batas keras atau bukti eksekusi untuk profil layanan lengkap ini.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-vl2 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00033 / 1K token Keluaran · Token keluaran $0.00033 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"deepseek-vl2","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="deepseek-vl2", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra deepseek-vl2
/chat/completions
deepseek-vl2DeepSeek VL2 adalah model vision-language untuk pertanyaan visual, OCR, dokumen, tabel, grafik, dan grounding. Edisi lengkapnya dibangun di atas DeepSeekMoE-27B dengan 4.5B parameter yang diaktifkan; profil yang dihosting ini mencantumkan konteks 4,000 token untuk tugas gambar dan teks yang terfokus.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek VL2 adalah edisi visi-bahasa lengkap dalam seri DeepSeek VL2. Pengembang menjelaskan tanya jawab visual, pengenalan karakter optik, pemahaman dokumen, tabel, dan grafik, serta pelokalan objek berdasarkan deskripsi visual. Edisi lengkap dibangun di atas DeepSeekMoE-27B dan memiliki 4.5 miliar parameter aktif; seri ini juga mencakup edisi Tiny dan Small dengan nama tersendiri.
Berikan gambar yang terbaca dan tentukan area atau objek yang penting. Tugas dokumen dapat meminta informasi yang terbaca dalam bidang tertentu. Tugas grafik dapat menanyakan tren yang terlihat serta label atau nilai yang mendukungnya. Simpan pengenal gambar atau halaman bersama pengamatan agar peninjau dapat kembali ke materi asli.
Untuk pelokalan visual, jelaskan objek yang perlu ditemukan dan hasil yang diperlukan oleh tugas. Buat permintaan cukup spesifik agar jawaban dapat dibandingkan dengan gambar. Berikan konteks tertulis jika konteks itu menjelaskan pentingnya suatu detail.
Beri label pada gambar dan sebutkan ciri yang akan dibandingkan. Minta satu pengamatan per sumber, dengan mempertahankan label bersama informasi yang diambil. Periksa teks yang terbaca dan kuantitas terhadap sumber asli sebelum menggunakannya dalam operasi lain.
Prosesor pengembang menggunakan persiapan gambar yang berbeda berdasarkan jumlah gambar: pembagian dinamis menjadi petak untuk maksimal dua gambar dan padding langsung 384×384 untuk tiga gambar atau lebih. Ini merupakan detail dari prosedur pemrosesan yang dipublikasikan pengembang. Alur kerja yang dihosting perlu menggunakan persiapan gambar dan batas antarmuka layanan yang sebenarnya.
Profil layanan yang disebutkan mencantumkan panjang konteks 4,000 token. Siapkan pertanyaan visual yang terfokus dan konteks tertulis yang relevan, dengan menyisakan ruang untuk jawaban. Pilih area gambar dan teks yang diperlukan tugas, alih-alih menambahkan materi yang tidak relevan.
Simpan pengenal VL2 lengkap bersama prompt dan hasilnya. Contoh kode inferensi repositori menggunakan edisi Small yang memiliki nama tersendiri, sehingga pengaturan contoh perlu tetap dianggap sebagai contoh, bukan batas keras atau bukti eksekusi untuk profil layanan lengkap ini.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-vl2 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00033 / 1K token Keluaran · Token keluaran $0.00033 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek-vl2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-vl2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-vl2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra deepseek-vl2
/chat/completions